Ollama Llama 3.2: lokal pullen und starten

TL;DR

Ollama Llama 3.2 ist der Bibliotheks-Tag llama3.2, nicht Llama 3 8B/70B und nicht llama3.2-vision. Die Ollama-Bibliothek startet mit ollama run llama3.2. Das Default-Tag llama3.2:latest ist laut Tag-Seite identisch mit llama3.2:3b und llama3.2:3b-instruct-q4_K_M (Digest a80c4f17acd5, Artefakt 2,0 GB, Kontext 128K, Text). Der 1B-Tag llama3.2:1b teilt den Digest baf6a787fdff mit llama3.2:1b-instruct-q8_0 (1,3 GB, 128K, Text). Die Bibliothek zählt 86 Mio. Downloads und 63 Tags. Offiziell unterstützte Sprachen der Readme: Englisch, Deutsch, Französisch, Italienisch, Portugiesisch, Hindi, Spanisch, Thai. Die Chat-API liegt auf http://localhost:11434/api/chat. Gelesen in Bibliothek, Tags, Vision-Eintrag und Chat-Doku am 2026-10-23. Kein Ranking, kein Kaufguide.

Kleines Text-Modell, nicht Modellwahl-Übersicht

IT-Leiter suchen „ollama llama3.2“, wenn sie den Tag llama3.2 ziehen und lokal starten — nicht, wenn sie Llama 3 8B gegen Mistral abwägen. Die allgemeine Modellwahl bleibt Ollama Models. Der 70B-Pfad ohne diesen 1B/3B-Tag bleibt Llama 3.3 70B auf eigenem Server. Ein Mistral-Pull bleibt Ollama Mistral.

Die Engine kommt von Ollama Download oder dem Linux-Dienst. Port und Bind-Adresse bleiben 11434. Der Python-Client spricht dieselbe API, beschrieben in Ollama Python.

Start: ollama run llama3.2

Die Bibliotheksseite, erster Befehl:

ollama run llama3.2

Das zieht llama3.2:latest und öffnet die Chat-Sitzung. Die Tag-Seite setzt latest auf denselben Digest wie llama3.2:3b. Ein festes Tag setzen Sie per Suffix, zum Beispiel llama3.2:1b. Vor dem Pull die aktuelle Liste auf der Tag-Seite prüfen.

Nur ziehen, ohne Sitzung:

ollama pull llama3.2

Ohne laufenden Server antwortet der Client nicht. Unter systemd ist das die Unit aus Ollama Service.

Die Readme beschreibt die 3B-Variante als Default. Genannte Aufgaben dort: Anweisungen befolgen, Zusammenfassen, Prompt umschreiben, Werkzeugaufruf. Die 1B-Variante startet so:

ollama run llama3.2:1b

Die Readme nennt für 1B persönliche Informationsverwaltung, mehrsprachige Wissenssuche und Umschreiben am Randgerät. Das ist die Herstellerbeschreibung in der Bibliothek, keine eigene Messung.

Welche Tags die Bibliothek führt

Stand 2026-10-23 auf ollama.com/library/llama3.2 und der Tag-Seite. Größen sind Artefaktgrößen der Bibliothek, kein freier GPU-Speicher. Die Bibliothek beschreibt die Familie als text-in/text-out in 1B und 3B.

Die übrigen der 63 Tags sind weitere Quantisierungen derselben 1B- und 3B-Familie (instruct oder text), keine zweite Runtime. Die Bibliothek markiert den Eintrag mit tools.

Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Was dieser Tag nicht ist

Ein anderer Bibliotheks-Eintrag ist llama3 (8B und 70B). llama3.1 ist ebenfalls getrennt (8B, 70B, 405B). llama3.2-vision ist ein eigener Eintrag: laut Vision-Seite instruction-tuned Bildmodelle in 11B und 90B, Default-Tag llama3.2-vision:latest identisch mit llama3.2-vision:11b (7,8 GB, 128K). Start dort:

ollama run llama3.2-vision

Die Vision-Readme: Text plus Bild hinein, Text hinaus. Für Bild plus Text nennt sie nur Englisch als unterstützte Sprache. Das ist nicht llama3.2.

Chat-API auf Port 11434

Die Bibliothek zeigt denselben Host wie die Ollama-Chat-Doku (http://localhost:11434). Beispiel der Bibliotheksseite:

curl http://localhost:11434/api/chat \
  -d '{
    "model": "llama3.2",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Die OpenAPI der Chat-Route bestätigt Server http://localhost:11434 und POST /api/chat. Python-Paket laut Bibliothek:

from ollama import chat

response = chat(
    model='llama3.2',
    messages=[{'role': 'user', 'content': 'Hello!'}],
)
print(response.message.content)

Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Launch-Wrapper mit demselben Modellnamen

Die Bibliothek listet Start-Befehle mit --model llama3.2:

ollama launch claude --model llama3.2
ollama launch opencode --model llama3.2
ollama launch hermes --model llama3.2
ollama launch openclaw --model llama3.2

Das ersetzt weder die Engine-Installation noch den ersten Pull. OpenCode am selben Host steht in OpenCode Ollama. OpenClaw bleibt OpenClaw Ollama.

Häufige Fragen

Ist llama3.2 dasselbe wie llama3, llama3.1 oder llama3.2-vision?

Nein. Die Bibliothek führt llama3.2 als 1B/3B-Textfamilie. llama3 und llama3.1 sind getrennte Einträge mit eigenen Größen. llama3.2-vision ist der Bild-Eintrag (11B/90B). Dieser Text behandelt nur llama3.2.

Reicht ollama pull ohne run?

ollama run zieht und startet. ollama pull zieht nur. Die Bibliotheksbeispiele für Chat und CLI bleiben ollama run llama3.2.

Warum antwortet die API leer?

Zuerst Serve und Tag prüfen (ollama list, ollama ps). Der Port bleibt 11434, beschrieben in Ollama Port 11434. Ohne laufenden Server liefert der Client keinen stillen Fallback.

Brauche ich Docker extra?

Nein für den Desktop- oder Linux-Dienst. Läuft Ollama im Container, zeigt der Host auf das gemappte 11434, siehe Ollama Docker.

Ist das ein zweiter Hardware-Kaufguide?

Nein. Hardware-Optionen bleiben im KI-Server Hardware-Guide. Hier geht es nur um den Modell-Tag auf einem bereits laufenden Ollama.

Fazit

„Ollama Llama 3.2“ ist der Pull- und Start-Pfad: ollama run llama3.2, Tag mit Suffix (:1b oder :3b), Serve dauerhaft, Chat nativ auf /api/chat. Größen stammen aus der Bibliothek, nicht aus einer eigenen VRAM-Rechnung. Kein Ranking, keine Preise.